基于神经网络的天气发生器

论文摘要

提出一种基于BP神经网络的天气发生器模型,可以根据12个月的月平均天气数据(包括日照强度、最高气温、最低气温、风速、露点温度、降水量),模拟生成365天的逐日天气数据。使用河南省南阳气象站从1990年到2004年的实测数据训练网络模型,并使用该地区2005年到2009年的数据进行模型验证。各天气变量的逐日模拟数据与实测数据在365×5天内的均方根误差,分别为6.310、5.638、5.743、0.951、7.481、9.172;平均绝对百分比误差分别为41.9%、23.6%、7.7%、41.9%、92.9%、208.2%。实验结果表明:除降水量的表现不好之外,该天气发生器模型可以很好地生成接近真实分布的模拟天气数据。

论文目录

• 0 引言
• 1 基于BP神经网络的天气发生器
•   1 .1 网络结构
•   1 .2 数据
•   1 .3 数据预处理
•   1 .4 训练模型
• 2结果
• 3结语

文章来源

类型: 期刊论文

作者: 朱思远,张宸豪,吴邪,耿耀君,杨龙

关键词: 神经网络,天气发生器,随机模拟

来源: 现代计算机 2019年18期

年度: 2019

分类: 信息科技,基础科学

专业: 气象学,自动化技术

单位: 西北农林科技大学信息工程学院

基金: 国家青年基金项目(No.61702422),中央科研基本业务费项目(No.2452017339)

分类号: P4;TP183

页码: 3-5+23

总页数: 4

文件大小: 1683K

下载量: 59